��������еĶഫ������Ϣ�ںϼ���

 多传感器信息融合是一个新的研究领域，它应用到故障诊断领域还是近几年的事。文章主要论述了多传感器信息融合技术的基本概念、工作原理及常用方法，同时还介绍了其在故障诊断中的应用实例。     

模糊提升小波包变换降噪法在漏磁检测信号处理中的应用

漏磁（MFL）检测信号常被多种噪声源污染,极大地降低了漏磁信号中缺陷信号的可检测性。为此提出应用模糊提升小渡包解决漏磁信号的噪声抑制问题。对比分析软阈值、硬阈值和模糊阈值三种阈值处理方式下,传统小波包与提升小波包的降噪性能,并应用模糊提升小波包实现了漏磁信号的降噪。仿真结果表明,该方法具有运算速度快,降噪效果好的特点,是一种有效的漏磁检测信号降噪方法。     

利用有限元神经网络计算漏磁场方法研究

针对有限元法计算量大的不足,用神经网络模拟有限元的分析过程,建立了求解漏磁场计算的有限元神经网络模型,并采用共轭梯度学习算法,对矩形缺陷的漏磁场进行了计算.通过计算得到了磁场强度、磁感应强度矢量图以及漏磁通密度x、y分量图.结果表明,有限元神经网络能够实现漏磁场的并行求解,具有速度快、稳定性好等优点,是一种漏磁场的快速...     

基于有限元法的输气管道漏磁场分析

漏磁检测是输气管道无损检测的常用方法之一，也是实现管道在役检测的有效方法。建立了输气管道漏磁检测的实体模型和有限元分析的数学模型；推导出适合齐次自然边界条件下泊松方程的有限元方程；通过对输气管道缺陷进行有限元方法分析计算，可知有限元法能分析计算任意形状缺陷的漏磁场，能方便地建立大量形状不同尺寸不一的缺陷识别库，给出了磁场强度矢量图、磁力线分布图和漏磁场分析结果。同时,利用有限元法分析计算了不同尺寸不同形状缺陷的漏磁场，得出了随着缺陷宽度、深度的增加峰峰值也随着增大的结论。分析结果可为缺陷的定量检测打下基础。     

基于BP神经网络的漏磁定量化检测

漏磁检测是由铁磁材料制作的兵器部件的常用无损检测方法之一,检测中的难点是根据被测漏磁信号反演缺陷的几何参数。将BP神经网络应用于漏磁信号的反演中,对神经网络进行训练,建立了漏磁信号与缺陷几何参数之间的数学模型,利用测量漏磁信号和仿真数据对模型进行了检验。试验结果表明,BP神经网络能根据漏磁信号精确地预测缺陷的几何参数,为漏磁定量化检测提供了一种可行的方法。     

一种漏磁信号不变特征提取方法

为了提高漏磁缺陷的重构精度,提出一种基于径向基函数(RBF)的漏磁信号不变特征提取的方法。该方法在对漏磁检测过程中速度影响进行全面分析的基础上,建立二维有限元模型,采集不同速度下的漏磁信号,将速度影响下的漏磁信号作为RBF网络的输入,静态下的漏磁信号作为输出进行训练。实验结果表明:这种方法实现了速度效应的补偿,提取出了漏磁信号的不变特征,而且具有较高的精度,是一种有效的方法。     

自适应提升小波在漏磁信号处理中的应用

为了解决在漏磁信号中的噪声抑制问题，采用提升小波变换的方法构造小波，在讨论了第二代小波变换基本原理及其特点的基础上，将自适应性引入提升方案中。提出了第二代小波的改进算法，用先更新后预测的改进提升方案解决自适应性引起的非线性问题。应用该算法对采集的漏磁信号进行消噪处理，并在阈值处理过程中引入了软硬阈值折衷法。仿真结果表明：与传统小波变换的去噪效果相比较，该文的信号降噪处理方法，不仅较好地剔除信号中的噪声，而且保留了原始信号中的有效成分，是一种可行的方法。     

基于三维有限元法的漏磁场分析

针对磁偶极子模型和二维有限元法在分析漏磁场过程中存在的不足,采用三维有限元分析漏磁场。根据麦克斯韦方程组和三维有限元分析原理建立了数学模型。利用数学模型对漏磁信号进行了仿真分析,得到了三维磁通密度矢量图和它的径向分量曲面图,直观地显示了缺陷附近漏磁场的特点。同时研究讨论了缺陷长度、检测路径位置和提离值对漏磁信号峰峰值的影响。为进一步对漏磁场的研究打下基础。     

高速漏磁检测的二维缺陷轮廓重构

针对高速漏磁检测缺陷可视化中的关键技术与难点,通过提升小波包的方法对缺陷漏磁信号进行预处理,根据电磁场基本理论,对高速漏磁检测过程中传感器速度对漏磁信号的影响作了理论分析,提出了基于正则化理论的径向基函数神经网络的补偿措施,通过网络的映射,得到了缺陷漏磁信号的速度不变响应,最后利用蚁群算法优化的径向基函数网络对缺陷漏磁信号进行二维反演,实现了缺陷的二维轮廓重构。     

油气管道漏磁检测缺陷的三维成像技术

漏磁检测是油气管道常用的无损检测方法,检测的重点是根据测量的漏磁信号重构缺陷的轮廓。提出了基于小波神经网络的三维成像方法,利用图像函数矩阵表达出管道缺陷的三维图像,矩阵元素值对应着缺陷的深度。利用小波神经网络,建立了由缺陷漏磁信号到图像函数矩阵关系的映射。选用的小波函数是墨西哥草帽小波,采用随机梯度下降算法训练。训练样本为三维有限元仿真数据和测量数据。采用训练数据对小波神经网络进行逼近缺陷图像函数矩阵的训练,然后用训练好的小波神经网反演给定数据,重构缺陷图像。实验结果表明,该方法能够实现三维缺陷漏磁检测的成像化及可视化。